8+：层层推进，筛选免疫相关基因

早！今天小编和大家分享一篇22年3月发表在Front Immunol杂志（8.786）的文章《Identification of Immune-Related Gene Signature and Prediction of CeRNA Network in Active Ulcerative Colitis》，文章筛选了活动性溃疡性结肠炎免疫相关基因并构建了ceRNA网络，下面我们就一起来看看吧!

背景

溃疡性结肠炎（UC）是一种肠粘膜炎症性疾病，其发病率在世界范围内稳步上升。肠道免疫功能障碍已被确定为溃疡性结肠炎发病机制中的核心事件。然而，调节功能失调的免疫细胞和炎症表型的潜在机制仍有待充分阐明。

方法

1.数据来源：GSE16879,GSE75214,GSE48958,GSE87473作为训练集，GSE92415作为验证集。

2.RRA分析统计变化的基因，limma包筛选差异表达的基因。

3.GSEA分析，GO和KEGG富集分析。

4.利用CIBERSORT对样本进行免疫浸润分析。

5.WGCNA筛选与UC最相关的模块基因。

6.构建PPI网络筛选hub基因。

7.利用TISIDB分析hub基因与免疫细胞、免疫抑制和免疫刺激因子的相关性。

8.动物实验验证基因表达及药物疗效。

9.构建lncRNA-miRNA-mRNA调控网络。

GSEA揭示了先天免疫系统的参与

对四个训练集基因集样本进行归一化处理后，进行RRA分析，并对得到的基因进行GSEA分析，结果表明基因主要在先天免疫富集。

训练 GEO 数据集的免疫景观

使用 CIBERSORT 算法在训练数据集中探索了免疫环境。结果显示，在所有训练数据集中，活性UC组织被较高比例的活化DC和巨噬细胞（M0和M1）和较低比例的M2巨噬细胞浸润（FDR<0.05），而其他免疫细胞表现出异质性。

DEG 鉴定和功能富集分析

在四个数据集中分别得到1072，431，490和303个DEGs，RRA分析整合了四个队列，揭示了64个上调和46个下调DEGs。对DEGs进行GO和KEGG富集分析。

共表达模块和功能富集分析

在GSE87473数据集中，采用WGCNA来构建和分析活动性UC相关网络，得到红色模块的基因与活动性UC最相关，并对红色模块内基因进行GO和KEGG富集分析，富集得到通路与免疫相关。

PPI 网络建设和关键 TF 识别

对DEGs和WGCNA取交集共得到55个差异表达的关键基因，对基因构建PPI网络，MCODE和MCC插件得到8个hub基因。在验证集中对hub基因进行验证。iRegulon插件预测了8个基因的TF，除TIMP1和MMP3外，6个基因受NF-κB1调控。

中心基因相关性分析

在验证集中分析hub基因的表达相关性，以及hub基因与免疫细胞、免疫抑制和免疫刺激因子的相关性。

NF-κB活性的抑制可抑制hub基因的表达，缓解结肠炎

DSS诱导的小鼠结肠炎模型，研究表明AGP及其衍生物可以通过抑制NF-κB信号传导来改善活性UC症状并促进屏障完整性。

CeRNA网络构建

TargetScan、miRDB，microT，miRWalk数据库用来预测miRNA，StarBase数据库用来预测miRNA对应的lncRNA。